基于堆叠智能超材料的仿射深层神经网络用于卫星 SAR Level-0 原始数据的 onboard 地形分类
信号处理
2025-03-19 v1 人工智能
摘要
本文提出了一种 novel 方法，用于从 Sentinel-1 (S1) level-0 原始正交相位/幅度(IQ)数据中实现 onboard 实时地形分类，利用堆叠式智能超材料(SIM)在模拟波域直接进行推理。与传统数字深度神经网络不同，本文提出的多层仿射深层神经网络(DNN)结构在电磁波通过堆叠的超材料层 during propagation 时实现自动特征提取。该设计不仅减少了对昂贵下行带宽和地面站高功率计算的依赖，还实现了约 90% 的性能水平，基于准确率、精确率、召回率和 F1 分数。我们的方法因此帮助弥合了下一代遥感任务与在轨处理需求之间的差距，为计算高效的遥感应用铺平了道路。
引用
@article{arxiv.2503.13488,
title = {Onboard Terrain Classification via Stacked Intelligent Metasurface-Diffractive Deep Neural Networks from SAR Level-0 Raw Data},
author = {Mengbing Liu and Xin Li and Jiancheng An and Chau Yuen},
journal= {arXiv preprint arXiv:2503.13488},
year = {2025}
}
备注
Accepted to the Machine Learning for Remote Sensing (ML4RS) Workshop at ICLR 2025